Kleine Sprachmodelle (SLMs) für Mensch-KI-Interaktionen Schulung

Diese von einem Trainer geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Anfänger und Fortgeschrittene unter den Datenwissenschaftlern und Entwicklern, die Small Language Models in verschiedenen Anwendungen implementieren und nutzen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• die Architektur und Funktionalität von Small Language Models zu verstehen.
• SLMs für Aufgaben wie Textgenerierung und Sentimentanalyse zu implementieren.
• SLMs für spezifische Anwendungsfälle zu optimieren und fein abzustimmen.
• SLMs in ressourcenbeschränkten Umgebungen einsetzen.
• Evaluierung und Interpretation der Leistung von SLMs in realen Szenarien.

Diese von einem Dozenten geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Bildungstechnologen, Instruktionsdesigner und KI-Entwickler im Bildungsbereich, die Small Language Models (SLMs) in Bildungsplattformen integrieren möchten, um Lehr- und Lernprozesse zu verbessern.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein

• Die Rolle von SLMs in der Bildungstechnologie zu verstehen.
• KI-gesteuerte Lernerfahrungen mit SLMs zu entwerfen.
• SLMs in verschiedenen Bildungsumgebungen zu implementieren.
• die Effektivität von SLMs in Bezug auf Lernergebnisse zu evaluieren.

Dieses instructor-led, live Training in Österreich (online oder vor Ort) richtet sich an mittelhohe Stufe Stadtplaner, Stadtverwalter und Smart-City-Lösungsentwickler, die Small Language Models (SLMs) in Smart-City-Projekten einsetzen möchten, um das städtische Leben zu verbessern.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Anwendung von SLMs in Smart Cities zu verstehen.
• SLMs mit städtischen Datensätzen zu integrieren, um die Entscheidungsfindung zu verbessern.
• Strategien zur Implementierung von SLMs in urbanen Managementsystemen zu entwickeln.
• Den Einfluss von SLMs auf städtebauliche Planungen und Smart-City-Lösungen zu bewerten.

Diese Live-Schulung in Österreich (online oder vor Ort) richtet sich an Datenwissenschaftler und Ingenieure für maschinelles Lernen auf mittlerem Niveau, die kleine Sprachmodelle erstellen und anwenden möchten, die auf bestimmte Bereiche wie Recht, Medizin und Technik zugeschnitten sind.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein

• Die Bedeutung und Anwendung von domänenspezifischen Sprachmodellen zu verstehen.
• spezialisierte Datensätze für das Modelltraining zu kuratieren und vorzuverarbeiten.
• Sprachmodelle für domänenspezifische Anwendungen zu trainieren und feinabzustimmen.
• Evaluierung und Benchmarking von Modellen anhand domänenrelevanter Metriken.
• Einsatz von domänenspezifischen Sprachmodellen in realen Szenarien.

Dieser von einem Lehrkraft geleitete Live-Workshop in Österreich (Online oder vor Ort) richtet sich an fortgeschrittene Maschinenlerningenieur(inne)n und KI-Forscher(inne)n, die energieeffiziente AI-Lösungen mit kleinen Sprachmodellen entwickeln möchten, die sowohl leistungsfähig als auch umweltfreundlich sind.

Am Ende des Workshops werden die Teilnehmerinnen und Teilnehmer in der Lage sein:

• Den Einfluss von KI auf den Energieverbrauch und die Umwelt zu verstehen.
• Techniken zur Modellkompression und -optimierung anzuwenden, um die Größe und den Energieverbrauch von AI-Modellen zu reduzieren.
• Energiesparende Hardware und Software-Frameworks für die Deployment von AI zu nutzen.
• Best Practices für nachhaltige AI-Entwicklung umzusetzen.
• Für nachhaltige Praktiken in der KI-Industrie einzutreten und beizutragen.

Dieser von einem Trainer geleitete Live-Kurs (Online oder vor Ort) richtet sich an fortgeschrittene IT-Professionals, die kleine Sprachmodelle direkt auf Geräte mit begrenzten Prozessorfähigkeiten einsetzen möchten. Dies eröffnet Möglichkeiten für innovative Anwendungen in verschiedenen Branchen.

Am Ende des Kurses werden die Teilnehmer in der Lage sein:

• Die Herausforderungen und Lösungen beim Implementieren von AI auf kompaktem Hardware zu verstehen.
• AI-Modelle zur effizienten In-Situ-Einsetzung optimieren und kürzen.
• Moderne AI-Frameworks und -Tools für die Implementierung von Modellen auf Geräten nutzen.
• Echtzeit-AI-Anwendungen für mobile und IoT-Geräte gestalten und entwickeln.
• Die Sicherheit und Datenschutz von AI-Systemen in der In-Situ-Bereich beurteilen und gewährleisten.